CN107402017B - 使用道路车道线质量的路线生成 - Google Patents

使用道路车道线质量的路线生成 Download PDF

Info

Publication number
CN107402017B
CN107402017B CN201710323920.0A CN201710323920A CN107402017B CN 107402017 B CN107402017 B CN 107402017B CN 201710323920 A CN201710323920 A CN 201710323920A CN 107402017 B CN107402017 B CN 107402017B
Authority
CN
China
Prior art keywords
route
lane
indication
marking
cost
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710323920.0A
Other languages
English (en)
Other versions
CN107402017A (zh
Inventor
布莱特·史蒂芬斯
乔恩·托马斯·马伦
谢恩·埃尔沃特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN107402017A publication Critical patent/CN107402017A/zh
Application granted granted Critical
Publication of CN107402017B publication Critical patent/CN107402017B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/33—Multimode operation in different systems which transmit time stamped messages, e.g. GPS/GLONASS
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096811—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed offboard
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
    • G08G1/096827—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route where the route is computed onboard
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
    • G08G1/096833—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route
    • G08G1/096838—Systems involving transmission of navigation instructions to the vehicle where different aspects are considered when computing the route where the user preferences are taken into account or the user selects one route out of a plurality

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Navigation (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种用于规划车辆路线的方法包括识别车辆的当前位置和目的地之间的一个或多个驾驶路线。该方法包括基于相应的驾驶路线内的道路的车道标线质量来确定一个或多个驾驶路线的路线成本。该方法包括选择一个或多个路线中具有最低路线成本的路线。该方法包括向驾驶员或控制系统提供关于路线的信息以遵循该路线。

Description

使用道路车道线质量的路线生成
技术领域
本公开总体上涉及用于车辆优化的方法、系统和装置，并且更具体地涉及使用道路车道线质量的路线生成。
背景技术
在机动车和运输行业中正在进行相当大的工作来开发、部署和启用能够在没有人类输入的情况下自己驾驶或能够向人类驾驶员提供辅助的车辆。驾驶员辅助系统通常包括能够或将能够向人类驾驶员提供辅助(诸如避免与其他对象(例如行人、其他车辆或道路杂物)的撞击、驾驶通知或辅助执行转弯、停车或其他操纵)的包括特征的系统。然而，申请人已经认识到，由于驾驶环境的巨大差异(包括驾驶基础设施的变化、道路材质、车道标线、其他车辆、行人或骑自行车者的存在等)，自动驾驶或辅助驾驶对于开发稳健且安全的交通工具提出了相当大的挑战。
发明内容
根据本发明，提供一种方法，包含：
识别车辆的当前位置和目的地之间的一个或多个驾驶路线；
基于相应的驾驶路线内的道路的车道标线质量来确定一个或多个行驶路线的路线成本；
选择一个或多个路线中具有最低路线成本的路线；和
向驾驶员或控制系统提供关于路线的信息以遵循路线。
根据本发明的一个实施例，确定相应的路线的路线成本包含计算沿着相应的路线的道路的每个路段的车道标线质量的函数的和。
根据本发明的一个实施例，确定相应的路线的路线成本包含确定沿着路线的道路的每个路段是否包含良好的车道标线质量。
根据本发明的一个实施例，确定相应的路线的路线成本包含确定沿着路线的道路的一个或多个路段的车道标线是否可以由自动驾驶系统或驾驶员辅助系统检测到。
根据本发明的一个实施例，选择具有最低路线成本的路线包含选择具有良好的车道标线质量的道路的最高百分比的路线。
根据本发明的一个实施例，方法进一步包含获得一个或多个驾驶路线内的道路的一个或多个路段的车道标线质量的指示，其中确定路线成本包含基于车道标线质量的指示进行确定。
根据本发明的一个实施例，获得车道标线质量的指示包含从包含以下中的一个或多个的存储器检索车道标线质量的指示：
通过网络可访问的远程存储器；
本地存储的地图数据；或者
本地存储的车辆历史数据。
根据本发明的一个实施例，车道标线质量的指示包含车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个，其中确定路线成本包含基于车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个进行确定。
根据本发明的一个实施例，确定路线成本包含基于当前天气或当前交通量中的一个或多个来进一步确定路线成本。
根据本发明，提供一种系统，包含：
路线部件，该路线部件配置为识别车辆的当前位置和目的地之间的一个或多个驾驶路线；
成本部件，该成本部件配置为基于相应的驾驶路线内的道路的车道标线质量来确定一个或多个驾驶路线的路线成本；
选择部件，该选择部件配置为选择一个或多个路线中具有最低路线成本的路线；和
通知部件，该通知部件配置为向驾驶员或控制系统提供关于路线的信息以遵循路线。
根据本发明的一个实施例，成本部件通过计算沿着相应的路线的道路的每个路段的车道标线质量的函数的和来确定相应的路线的路线成本。
根据本发明的一个实施例，成本部件通过确定沿着路线的道路的每个路段是否包含良好的车道标线质量来确定相应的路线的路线成本。
根据本发明的一个实施例，成本部件通过确定沿着路线的道路的一个或多个路段的车道标线是否可以由自动驾驶系统或驾驶员辅助系统检测到来确定相应的路线的路线成本。
根据本发明的一个实施例，选择部件通过选择具有车辆可检测的车道标线的道路的最高百分比的路线来选择具有最低路线成本的路线。
根据本发明的一个实施例，系统进一步包含指示部件，该指示部件配置为获得一个或多个驾驶路线内的道路的一个或多个路段的车道标线质量的指示，其中指示部件从包含下面的一个或多个的存储器获得车道标线质量的指示：
通过网络可访问的远程存储器；
本地存储的地图数据；或者
本地存储的车辆历史数据；
其中成本部件配置为基于车道标线质量的指示来确定路线成本。
根据本发明，提供一种存储指令的计算机可读存储介质，指令在由一个或多个处理器执行时使处理器：
识别车辆的当前位置和目的地之间的一个或多个驾驶路线；
获得一个或多个驾驶路线内的道路的一个或多个路段的车道标线质量的指示；
基于相应的行驶路线内的道路的车道标线质量来确定一个或多个驾驶路线的路线成本；
选择一个或多个路线中具有最低路线成本的路线；和
向驾驶员或控制系统提供关于路线的信息以遵循路线。
根据本发明的一个实施例，指令配置为通过确定沿着路线的道路的每个路段是否包含良好的车道标线质量来确定相应的路线的路线成本。
根据本发明的一个实施例，指令配置为通过确定沿着路线的道路的一个或多个路段的车道标线是否可由自动驾驶系统或驾驶员辅助系统检测到来确定相应的路线的路线成本。
根据本发明的一个实施例，指令配置为通过选择具有良好的车道标线质量的道路的最高百分比的路线来选择具有最低路线成本的路线。
根据本发明的一个实施例，车道标线质量的指示包含车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个，其中确定路线成本包含基于车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个进行确定。
附图说明
参照附图描述本公开的非限制性和非穷尽性实施方式，其中除非另有说明，相同的附图标记表示各种视图中的相似部分。关于以下描述和附图将更好地理解本公开的优点，其中：
图1是示出了根据一个实施方式的用于优化车辆路线规划、优化辅助驾驶或优化自动驾驶的系统的示意性框图；
图2是示出了根据一个实施方式的包括自动驾驶/辅助系统的车辆控制系统的实施方式的示意性框图；
图3是示出了根据一个实施方式的用于规划车辆路线的数据流和处理的示意性数据流程图；
图4示出了根据一个实施方式的车辆的当前位置和目标目的地附近的道路的地图；
图5A和5B是根据一个实施方式的示例车道标线的俯视图；
图6是示出了根据一个实施方式的路线优化部件的示例部件的示意性框图；和
图7是示出了根据一个实施方式的用于确定车辆的路线的方法的示意性流程图。
具体实施方式
在机动车和运输行业正在进行相当大的工作来开发、部署和启用能够在没有人类输入的情况下自己驾驶或能够向人类驾驶员提供辅助的车辆。自动驾驶系统通常指的是能够或者将能够在很少或没有人类输入的情况下控制车辆进行驾驶的系统。例如，自动驾驶系统可以在不需要用户转向、控制加速或控制制动的情况下将车辆从当前位置驾驶到目的地位置。驾驶员辅助系统通常包括能够或将能够向人类驾驶员提供辅助(诸如避免与其他对象(例如行人、其他车辆或道路杂物)的撞击、驾驶通知或辅助执行转弯、停车或其他操纵)的包括特征的系统。然而，申请人已经认识到，由于驾驶环境的巨大差异(包括驾驶基础设施的变化、道路材质、车道标线、其他车辆、行人或骑自行车者的存在等)，自动驾驶或辅助驾驶对于开发稳健且安全的交通工具提出了相当大的挑战。
此外，申请人已经认识到，一些自动驾驶特征或辅助驾驶特征在某些环境中比在其它环境中更稳健地执行。例如，一些自动驾驶特征或辅助驾驶特征可以取决于构建在道路中的基础设施、高质量车道标线、平滑的路面、或道路或驾驶环境的任何其他特征，以稳健或安全的方式执行。此外，一些自动驾驶特征可能需要相对较少的人类驾驶员、骑自行车者或行人的环境。
鉴于上述情况，本公开公开了能够优化车辆驾驶(包括车辆路线规划的优化)的系统、方法和装置。根据一个实施例，一种用于规划车辆路线的方法包括识别车辆的当前位置和目的地之间的一个或多个驾驶路线。该方法包括基于相应的驾驶路线内的道路的车道标线质量来确定一个或多个行驶路线的路线成本。该方法包括选择一个或多个路线中具有最低路线成本的路线。该方法还包括向驾驶员或控制系统提供关于路线的信息以遵循该路线。
辅助驾驶特征中的一示例在满足某些条件时提供横向和纵向控制。这些条件可以包括但不限于道路车道标线/道路车道线质量、车道存在(例如，车辆在哪个车道中)以及道路曲率。向驾驶员提供辅助驾驶特征所需的条件可能是动态的，因为它们可能因驾驶环境而不同。所需条件可能取决于车辆本身(包括任何控制系统或传感器)及车辆周围的环境或基础设施。如果在完成路线之前提供驾驶员或驾驶系统对这些车辆和基础设施条件的预览，则驾驶员辅助特征可能能够以更加稳健的方式执行。例如，驾驶员或驾驶系统可能能够选择可以提供更可靠的自动驾驶特征或驾驶员辅助特征的路线。
根据一个实施例，来自大量车辆或其他数据源的驾驶数据被存储在连接的车辆中并被上传到网络。例如，车辆可以使用车辆传感器获得关于驾驶环境的数据，并将该数据或任何派生数据上传到云存储位置。用户可以使用连接的设备(如车辆、计算系统、智能手机等)通过网络访问云存储位置，并将相关数据下载到车辆。数据可以本地存储在车辆的地图数据库中，并且可以针对数据运行路线规划算法，以便优化沿着相关路线的车辆行为。
此外，通过执行驾驶员辅助或自动驾驶特征，可以存在各种道路，道路的特征的可用性是稀疏的、不一致的或不存在的。例如，一些导航算法基于最短距离、最短时间或一些其他最低的启发式成本来选择路线。申请人已经认识到，基于驾驶员辅助可用性来选择路线可能会有相当大的好处。在一个实施例中，导航系统或导航软件提供在创建路线时考虑驾驶员辅助特征或自动驾驶特征可用性的路线规划。
根据一个示例实施例，车道线或车道标线质量对于辅助驾驶特征或自动驾驶特征可能是重要的。地图数据库或驾驶历史数据库可以存储车道线质量的一些度量。例如，车道线/车道标线质量可以由车辆本地存储，或者可以作为聚合的数据的一部分上传用于存储。地图数据库和/或驾驶历史数据库可以是基于云的、在制造时加载到车辆上、和/或基于探测器或传感器数据由车辆创建和更新。使用地图或驾驶历史数据库，可以执行基于最低成本来评估和优先排序路线的路线规划算法。与车道线质量相关的示例成本术语是：
Figure BDA0001287355340000071
其中Q∈{0,1}是车道质量的布尔(Boolean)度量(0表示不良车道质量，1表示良好车道质量)。在一个实施例中，地图数据库或驾驶历史数据库可以包括道路车道线质量之外的度量，例如道路曲率、道路车道线几何形状、道路车道线/标记类型(诸如单线、双线、虚线、反光面或其他车道标记类型的指示)和/或道路车道线/标记颜色(例如白色、黄色或其他颜色)。在一个实施例中，路线规划算法(routing algorithm)可以在优先排序路线时考虑这些附加度量或其他度量。例如，路线规划算法可以考虑诸如最短距离、最短行驶时间、交通状况等的其他成本，以便基于各种成本因子找到最佳的全能路线。在一个实施例中，用于路线规划目的的车道线质量成本的确定可以是考虑天气和交通的动态功能。例如，基于一天中的时间或天气条件，某些类型的车道标记通过车辆传感器或多或少可以是可见的/可检测的。
现在参照附图，图1是示出了用于优化车辆路线规划和/或优化辅助驾驶和/或自动驾驶特征的性能的系统100的框图。系统100包括聚合服务器102以及能够通过网络108与聚合服务器102通信的多个车辆104和一个或多个其他数据源106。聚合服务器102包括聚合部件110，并且还可以包括路线优化部件112。
聚合部件110可以聚合从车辆104和一个或多个其他数据源106接收的驾驶数据或其他数据。例如，聚合服务器102可以接收来自车辆104或其他数据源106的基础设施数据、驾驶环境数据和/或交通数据。所接收的数据可以包括关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人的存在的指示、道路曲率或事故历史的信息。聚合部件110可以组合所接收的数据以在数据存储器114内生成聚合数据。
路线优化部件112可以访问数据存储器114中的聚合数据，以优化路线或将聚合的数据提供给一个或多个车辆104。例如，车辆104可以使用聚合的数据来向驾驶员或控制系统116提供关于未来驾驶路径的信息以优化车辆104的驾驶。车辆104还可以累积驾驶数据(包括关于道路或驾驶环境的任何信息)，并且将累积的驾驶数据发送到聚合服务器102以用于存储或聚合。其他数据源106还可以将用于聚合的数据上传到聚合服务器102。其他数据源106可以包括用于基础设施(例如交通摄像机、车辆或交通传感器、气象传感器等)的系统或传感器。在一个实施例中，路线优化部件112可以基于自动驾驶或辅助驾驶是否将可用于车辆来确定对驾驶路线进行优先排序的驾驶路线规划。在一个实施例中，路线优化部件112可以位于车辆104的一个或多个内，诸如车辆的控制系统116内。例如，路线优化部件112可以在车辆104上本地操作，并将存储在数据存储器114中的聚合的数据与本地存储在车辆104上的驾驶历史数据和/或地图数据结合使用。
图2示出了可用于向车辆(例如图1的车辆104)提供自动或辅助驾驶的示例车辆控制系统116，包括一个或多个自动驾驶特征或辅助驾驶特征。车辆控制系统116可以包括自动驾驶/辅助系统202。自动驾驶/辅助系统202可用于车辆的自动操作或控制操作或者向人类驾驶员提供辅助。例如，自动驾驶/辅助系统202可以控制车辆的制动、转向、加速、灯、警报、驾驶员通知、无线电或任何其他辅助系统中的一个或多个。在另一示例中，自动驾驶/辅助系统202可能不能提供对驾驶(例如，转向、加速或制动)的任何控制，但是可以提供通知和警报以辅助人类驾驶者安全地行驶。自动驾驶/辅助系统202可以包括路线优化部件112，该路线优化部件112可用于确定自动驾驶或驾驶辅助特征将可靠地运行的路线。例如，路线优化部件112可以使车辆沿着公路或道路被规划路线，在该公路或道路中，高质量车道标线是可用的，使得它们将被车辆控制系统116的一个或多个传感器容易地检测，从而提高了自动驾驶特征或辅助驾驶特征的可靠性。
车辆控制系统116还可以包括一个或多个传感器系统/装置，以用于检测附近对象、车道标记的存在，和/或以用于确定母车辆(例如，包括车辆控制系统116的车辆)的位置。例如，车辆控制系统116可以包括一个或多个雷达系统206、一个或多个激光雷达系统208、一个或多个摄像机系统210、全球定位系统(GPS)212和/或一个或多个超声系统214。车辆控制系统116可以包括数据存储器216，该数据存储器216用于存储用于导航和安全的相关的或有用的数据，例如地图数据、驾驶历史或其他数据。车辆控制系统116还可以包括用于与移动或无线网络、其他车辆、基础设施或任何其他通信系统(诸如图1的聚合服务器102)无线通信的收发器218。
车辆控制系统116可以包括车辆控制致动器220，以控制诸如电动马达、开关或其他致动器的车辆的驾驶的各个方面，以控制制动、加速、转向等。车辆控制系统116可以包括一个或多个显示器222、扬声器224或其他设备，使得可以向人类驾驶员或乘客提供通知。显示器222可以包括可以由车辆的驾驶员或乘客看到的抬头显示器、仪表板显示器或指示器、显示屏幕或任何其它视觉指示器。扬声器224可以包括车辆的声音系统的一个或多个扬声器，或者可以包括专用于驾驶员通知的扬声器。
应当理解的是，图1和图2的实施例仅作为示例给出。在不脱离本公开的范围的情况下，其他实施例可以包括较少的或附加的部件。另外，所示的部件可以组合或包括在其他部件中而不限于此。
在一个实施例中，自动驾驶/辅助系统202配置为控制母车辆的驾驶或导航。例如，自动驾驶/辅助系统202可以控制车辆控制致动器220以在道路、停车场、私家车道或其他位置的车道内的路径上驾驶。例如，自动驾驶/辅助系统202可以基于由部件206-218中的任一个提供的信息或感知数据来确定路径。传感器系统/设备206-214可用于获得实时传感器数据，使得自动驾驶/辅助系统202可以实时地辅助驾驶员或驾驶车辆。
在一个实施例中，摄像机系统210可以包括多个摄像机。例如，摄像机系统210可以包括面向不同方向以为车辆附近或周围的区域提供不同的视野和不同的视场的摄像机。类似地，雷达系统206、激光雷达系统208和/或超声系统214可以包括从车辆周围的不同方向获得数据以提供关于母车辆周围环境的详细的信息的多个传感器。在一个实施例中，该数据可以诸如通过一个或多个聚合服务器102被上传用于远程存储。
图3是示出了根据一个实施例的数据流和处理的数据流程图300。使用用户界面302，用户可以提供用于导航到目的地的请求。可以将用户请求提供给路线规划算法304。路线规划算法304生成数据库查询以获得关于当前位置和目的地之间的一个或多个路线的数据。数据库查询被发送到地图数据库306。地图数据库306向路线规划算法304提供所请求的数据，路线规划算法304生成优化的路线并将优化的路线发送到用户界面302。例如，优化的路线可以包括最小化包括距离成本、时间成本、驾驶员辅助特征或自动驾驶特征的可靠性成本等中的一个或多个的成本的优化的路线。例如，在沿着驾驶员辅助特征或自动驾驶特征将是可靠的这样的道路来规划车辆/用户路线时优化的路线可以提供短的行驶时间。
地图数据库306包括由来自一个或多个车辆的车辆传感器生成的车辆数据以及来自诸如基础设施传感器的传感器或图1的其他数据源106的基础设施/环境数据。地图数据库306可以将数据上传到聚合网络308和/或从聚合网络308下载数据。聚合网络308可以包括一个或多个聚合服务器102。例如，地图数据库306可以位于车辆内并且可以与聚合网络共享所收集到的车辆或基础设施数据，使得其他车辆可以访问和使用该数据。类似地，地图数据库306还可以从聚合网络308下载数据以利用基于大量贡献车辆或数据源已经聚合的数据。例如，地图数据库306可以维护由聚合网络308存储的关于车辆附近的区域或者沿着车辆将要行驶的路线的聚合的数据的同步副本。聚合的数据可以与其他地图数据或驾驶历史数据一起存储以供路线规划算法304使用。
在一个实施例中，用户可以使用连接的设备310访问聚合网络308以查看聚合的数据和/或确定哪些驾驶路线可用于自动驾驶或辅助驾驶。例如，用户可以预先计划路线，使得辅助驾驶特征或自动驾驶特征是可用的。
图4示出了车辆的当前位置402附近的道路的地图400。例如，地图400可以示出车辆附近的在车辆可访问的电子地图中找到的道路。车辆的当前位置402可以从全球导航卫星系统(GNSS)接收机——诸如安装在车辆中的全球定位系统(GPS)接收机、纳洛纳斯(GLONASS)接收机、伽利略(Galilleo)或北斗系统——获得。
使用当前位置402、预测的路径和/或来自用户的导航到特定目的地的请求，路线优化部件112可以基于关于地图400上的道路的路段的数据来确定到目标目的地408的路线。例如，第一道路路段404可以是第一潜在路线的一部分，并且第二道路路段406可以是第二潜在路线的一部分。路线优化部件112可以确定第一道路路段404和第二道路路段406的一个或多个属性。例如，第一道路路段404可以包括低质量的车道标线，并且可以包括驾驶环境，该驾驶环境包括大量行人(例如，第一道路路段404可能经过学校)。第二道路路段406可以包括高质量的车道标线和少数行人或骑自行车者。
在一个实施例中，路线优化部件112可以计算路线的成本，包括指示在路线上可能执行的驾驶辅助特征或自动驾驶特征的可靠性或稳健性的成本。例如，第一道路路段404可以具有更高的成本，因为驾驶员辅助特征可能不能够稳健地操作，而第二道路路段406可以具有较低的或零成本，因为驾驶员辅助特征将可能稳健地操作，或者因为自动驾驶可以是可用的。通过确定在当前位置402和目标目的地408之间的潜在路线中的道路的每个路段的成本，路线优化部件112可以选择最低成本路线或允许在自动驾驶特征或辅助驾驶特征不可用时花费最小时间量的路线。例如，路线优化部件112可以选择包括第二道路路段406的路线，即使第二道路路段406是更长的整体路线的一部分。例如，所选择的路线可以更长，但不要太长，以便平衡路线上可用的自动驾驶或驾驶员辅助的降低的成本。
在一个实施例中，路线优化部件112可以从驾驶历史、电子地图或任何其它源获得来自不同道路路段的属性。例如，路线优化部件112可以获得从图3的地图数据库306可用的任何数据或存储在图1的数据存储器114中的聚合的数据。示例数据可以包括关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人的存在的指示、道路曲率或道路的路段的事故历史的信息。路线优化部件112还可以考虑包括当前天气、最短行驶时间、最短距离等的路线成本中的其他因子。
图5A和5B示出了示例车道标线质量。图5A示出了高质量车道标线502的俯视图。例如，车道标线502具有清晰的边界、直线和锐角，从而为自动驾驶系统或驾驶员辅助系统提供高质量。车道标线502还可以具有相对于路面的高对比度、良好限定的几何形状以及允许其被自动驾驶系统或驾驶员辅助系统容易地检测到的厚度。图5B示出了低质量车道标线504的俯视图。例如，车道标线504可能具有丢失或磨损的油漆，可以主要包含薄的宽度，或者对于自动驾驶系统或驾驶员辅助系统来说原本困难的检测。在类似于图5A中的车道标线502的高质量的车道标线所在的道路上行驶的车辆可以存储道路具有高质量车道标线502的指示，并且可以将高车道标线质量的指示上传到网络位置以存储为聚合的数据，这些聚合的数据随后可以被其他车辆访问。在类似于图5B中的车道标线504的低质量的车道标线所在的道路上行驶的车辆可以存储道路具有低质量车道标线502的指示，并且可以将低车道标线质量的指示上传到网络位置以存储为聚合的数据，这些聚合的数据随后可以被其他车辆访问。作为另一示例，车辆还可以检测何时不存在车道标线，或者何时车道标线仅包括反射车道标线。例如，当没有车道标线或仅包括反射车道标线时，一些自动驾驶系统或驾驶员辅助系统可能不能够稳健地操作。
除了存储车道标线质量的指示之外，车辆还可以存储车道标线类型(涂漆线和/或反光面)、车道标线颜色、车道标线几何形状等的指示。车辆还可以存储针对不同天气或一天中的时间条件的车道标线可见/可检测程度的指示。例如，一些车道线在好天气或白天时间可能是可见的，但在恶劣的天气或夜间时间可能难以发现。车辆还可以存储道路曲率、道路的陡度、道路颠簸、当前一天中的时间的交通等级或关于道路或驾驶环境的任何其他信息的指示。该信息可以在本地存储和/或可以被上传以存储在可经由通信网络访问的远程位置。
图6是示出了根据一个实施方式的路线优化部件112的示例部件的框图。在所描绘的实施例中，路线优化部件112可以包含路线部件602、数据部件604、分类部件606、成本部件608、选择部件610和通知部件612。部件602-612仅作为说明提供，并且可以并非所有都包括在所有实施例中。事实上，一些实施例可以仅包括部件602-612中的两个或更多个的一个或任何组合。此外，部件602-612中的一些可以位于路线优化部件112的外部，例如在自动驾驶/辅助系统202或聚合服务器102内。
路线部件602配置为识别车辆的当前位置和目的地之间的一个或多个驾驶路线。例如，路线部件602可以接收用于车辆的目标目的地(诸如由用户或人类驾驶员指示的目标目的地、或者由路线预测或目的地预测算法预测的目标目的地)的指示。路线部件602还可以接收由诸如图2的212的GPS系统或其他定位系统确定的车辆的当前位置的指示。在一个实施例中，路线部件602可以识别在最短距离路线或最短驾驶时间路线的百分比距离或时间内提供驾驶距离或驾驶时间的两个或更多个驾驶路线。
数据部件604配置为获得当前位置和目标目的地之间的道路的一个或多个路段的道路数据或驾驶环境数据。例如，数据部件604可以获得由路线部件602识别的一个或多个驾驶路线内的道路的每个路段的数据。数据部件604可以从本地地图数据库和/或从存储来自多个车辆或数据源的聚合的数据的远程存储器位置获得数据。在一个实施例中，数据部件604可以获得关于道路颠簸、车道标线的存在、车道标线质量、车辆交通等级的指示、行人的存在的指示、道路曲率、或者在潜在驾驶路线内或者道路的路段附近的道路的每个路段的事故历史的信息。信息还可以包括关于道路类型(例如，州际公路、公路、城市道路等)的信息以及关于速度限制的信息。在一个实施例中，如果道路的一路段没有对应的数据，则数据部件604可以用默认值或者用归因于道路类型的最差可能值来填充属性。
在一个实施例中，数据部件604向控制系统、驾驶员或车辆的其他部分提供关于道路或驾驶环境的数据以优化驾驶。例如，数据部件604可以在车辆到达沿着路线的一位置之前向车辆的驾驶员、自动驾驶系统或驾驶员辅助系统提供对应于该位置的聚合的数据，以为车辆准备在该位置的驾驶条件或开始准备通过该位置的驾驶路线。在一个实施例中，数据部件604将数据提供给路线优化部件112的其他部件，以确定道路上辅助驾驶特征或自动驾驶特征将可用或不可用的路段。
在一个实施例中，由数据部件604获得的数据可以包括关于车道标线的信息。例如，数据部件604可以获得在一个或多个驾驶路线内的道路的一个或多个路段的车道标线质量的指示。车道标线质量的指示可以包括车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个。该信息可以由路线优化部件112用于确定特定的辅助驾驶特征或自动驾驶特征将可用的位置。
分类部件606配置为确定车辆的自动驾驶特征或辅助驾驶特征对于道路的特定路段是否能够稳健地操作。例如，分类部件606可以基于由路线部件602和/或数据部件604获得的数据来确定操作是否可能是可靠的。在一个实施例中，分类部件606配置为针对车辆的一个或多个自动驾驶特征或驾驶员辅助特征将道路的路段分类为可靠的(可靠的类别)或不可靠的(不可靠的类别)。在一个实施例中，分类部件606对于道路的一路段可以确定自动驾驶特征或驾驶员辅助特征的可靠性。例如，特征的可靠性可以在排名系统内评价以提供指示特征是否高度可靠的数字(例如从1到10的值)或其他值。
分类部件606可以使用由聚合服务器102聚合的数据或由车辆存储的本地数据。分类部件606还可以使用关于车辆(例如车辆类型)的数据、关于车辆的感测系统的信息或关于车辆的控制系统的信息，以确定分类。例如，一些感测系统可能能够比其他传感系统更可靠地检测环境条件。类似地，一些控制系统或车辆可能能够在不同的环境或驾驶条件下更可靠地操作。作为另一个示例，可靠性还可以基于人类驾驶员以及他们喜欢如何驾驶以及他们希望避免哪些条件。因此，由分类部件606确定的可靠性可以是车辆和/或车辆驾驶员所特有的。
成本部件608配置为确定由路线部件602识别的路线中的每一个和/或由分类部件606确定的可靠性或类别的路线成本。例如，成本部件608可以基于聚合的驾驶数据来确定基于自动驾驶特征或驾驶员辅助特征的可靠性的路线的路线成本。成本部件608可以基于车辆的感测系统、控制系统和/或车辆类型来确定路线成本。成本部件608可以基于预测的特征可靠性(基于聚合的或本地数据)结合任何其他路线成本来确定路线成本。其他路线成本的示例包括当前交通条件、当前天气条件、路线总驾驶时间、路线总距离等。在一个实施例中，成本部件608可以确定道路的每个路段的特征可靠性成本，并且求和那些成本以计算整个路线的整体特征可靠性成本。在一个实施例中，道路的路段或路线的特征可靠性成本可以取决于当前天气或当前交通量。
在一个实施例中，成本部件608可以基于车道标线(例如它们的存在或不存在或质量)来确定路线成本。例如，本地存储器或远程存储器可以包括车道标线质量、车道标线几何形状、车道标线类型、车道标线颜色和/或车道标线类型(例如，涂漆线或反光面)的指示。在一个实施例中，成本部件608可以基于计算沿着相应路线的道路的每个路段的车道标线质量的和来确定路线成本。成本部件608可以基于由数据部件604获得的数据和/或由分类部件606提供的分类或可靠性来确定道路的路段是否具有良好的车道标线质量。在一个实施例中，成本部件608可以确定沿着路线的道路的路段的车道标线是否可以通过自动驾驶系统或驾驶员辅助系统检测。如果不能检测到车道标线，则由于没有大体上增加其他路线成本，自动驾驶或辅助驾驶特征可能是不可用的，并且可能希望避免这些区域。在一个实施例中，路线成本部件608基于从路线内的道路的路段的本地或远程存储器获得的车道标识质量的指示来确定路线成本。
成本部件608可以确定包括多个不同成本因子的成本的加权总和或加权乘积(使用乘法项)的路线的总路线成本。例如，总路线成本可以通过将特征可靠性成本、距离成本、行驶时间成本或任何其他成本相加或相乘在一起来计算。总路线成本中的每个成本可以包括它所乘以的加权因子，以便应用适当的加权。例如，驾驶员或乘客可能不希望采用具有高特征可靠性以及两小时更长行驶时间的路线。加权因子可以在不同成本如何影响路线的总成本的情况下提供平衡，以便可以选择适当的路线。
选择部件610配置为基于由成本部件608确定的路线成本来选择路线。例如，选择部件610可以基于具有所有潜在路线的最低路线成本的路线从一个或多个潜在路线来选择路线。在一个实施例中，选择部件610可以选择具有高车道标线质量的最高百分比的道路的路线。在一个实施例中，选择部件610可以从用户接收用于哪个路线被选择的指示。例如，通知部件612可以向用户呈现一个或多个潜在路线及其相关联的路线成本。用户可能能够查看潜在路线，并选择其中一个路线来遵循。例如，用户可以决定他们想要一个路线，其中自动驾驶特征或辅助驾驶特征可用于整个路线或路线中的大部分。用户可以提供使自动驾驶特征或辅助驾驶特征的可用性(例如，可靠性)最大化的路线的选择，并且选择部件610可以选择用于在当前位置和目标目的地之间行驶的那个路线。
通知部件612配置为向人类用户或车辆的控制系统提供关于所选的路线或一个或多个潜在驾驶路线的信息。例如，通知部件612可以提供具有突出显示的或以其他方式识别的所选的路线的地图视图。通知部件612还可以为未选择的路线提供突出显示或其他识别信息，然后这些未选择的路线可以由驾驶员或乘客选择和/或查看。例如，驾驶员或乘客可以逐个查看每个路线，以确定用户最喜欢哪个路线。然后，用户可以选择该路线并开始导航到目标目的地。在一个实施例中，通知部件可以向驾驶员、自动驾驶系统或驾驶员辅助系统提供关于所选的路线的信息以遵循该路线。例如，导航系统可以向人类驾驶员提供关于如何遵循该路线的指令，或者可以向控制系统或自动驾驶系统提供关于如何遵循该路线的指令。
路线优化部件112可以基于路线上自动或辅助驾驶特征是否可用来允许路线规划。如图1和图2中的虚线所示，路线优化部件112可以位于车辆本地或远离车辆。例如，如果路线优化部件112位于车辆中或与车辆一起定位，则可以在本地或远程地存储地图数据或聚合的数据，并且路线优化部件112可以获得该数据并且在本地确定路线。作为另一示例，如果路线优化部件112远离车辆(例如，在聚合服务器102处)而设置，则可以在本地或远程地存储数据，并且路线优化部件112可以获得该数据并且远程地确定路线，并且将路线细节发送到车辆以用于导航。
现在参照图7，示出了用于规划车辆路线的方法700的示意性流程图。方法700可以由路线优化部件、控制系统或聚合服务器来执行，例如图1、图2或图6中的任一个所示的路线优化部件112、图1或图2中的任一个所示的控制系统116、或图1中所示的聚合服务器102。
方法700开始，并且在702，路线部件602识别车辆的当前位置和目的地之间的一个或多个驾驶路线。在704，成本部件604基于相应的驾驶路线内的道路的车道标线质量来确定一个或多个驾驶路线的路线成本。在706，选择部件610选择一个或多个路线中具有最低路线成本的路线。在708，通知部件612向驾驶员或控制系统提供关于路线的信息以遵循该路线。
示例
以下示例涉及另外的实施例。
示例1是包括识别车辆的当前位置和目的地之间的一个或多个驾驶路线的方法。该方法包括基于相应的驾驶路线内的道路的车道标线质量来确定一个或多个驾驶路线的路线成本。该方法包括选择一个或多个路线中具有最低路线成本的路线。该方法还包括向驾驶员或控制系统提供关于路线的信息以遵循路线。
在示例2中，在示例1中确定相应的路线的路线成本包括计算沿着相应的路线的道路的每个路段的车道标线质量的函数的和。
在示例3中，在示例1-2中的任一示例中确定相应的路线的路线成本包括确定沿着路线的道路的每个路段是否包含良好的车道标线质量。
在示例4中，在示例1-3中的任一示例中确定相应的路线的路线成本包括确定沿着路线的道路的一个或多个路段的车道标线是否可以由自动驾驶系统或驾驶员辅助系统检测到。
在示例5中，在示例1-4中的任一示例中选择具有最低路线成本的路线包括选择具有良好的车道标线质量的道路的最高百分比的路线。
在示例6中，在示例1-5中的任一示例中的方法还包括获得一个或多个驾驶路线内的道路的一个或多个路段的车道标线质量的指示，其中确定路线成本包括基于车道标线质量的指示进行确定。
在示例7中，获得示例6中的车道标线质量的指示包括从包括以下中的一个或多个的存储器检索车道标线质量的指示：通过网络可访问的远程存储器；本地存储的地图数据；或者本地存储的车辆历史数据。
在示例8中，在示例6-7中的任一示例中的车道标线质量的指示包括车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个，其中确定路线成本包含基于车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个进行确定。
在示例9中，确定示例1-8中的任一示例中的路线成本包括基于当前天气或当前交通量中的一个或多个进一步确定路线成本。
示例10是包括路线部件、成本部件、选择部件和通知部件的系统。路线部件配置为识别车辆的当前位置和目的地之间的一个或多个驾驶路线。成本部件配置为基于相应的驾驶路线内的道路的车道标线质量来确定一个或多个驾驶路线的路线成本。选择部件配置为选择一个或多个路线中具有最低路线成本的路线。通知部件配置为向驾驶员或控制系统提供关于路线的信息以遵循路线。
在示例11中，示例10中的成本部件通过计算沿着相应的路线的道路的每个路段的车道标线质量的函数的和来确定相应的路线的路线成本。
在示例12中，在示例10-11中的任一示例中的成本部件通过确定沿着路线的道路的每个路段是否包括良好的道路标线质量来确定相应的路线的路线成本。
在示例13中，在示例10-12中的任一示例中的成本部件通过确定沿着路线的道路的一个或多个路段的车道标线是否可以由自动驾驶系统或驾驶员辅助系统检测到来确定相应的路线的路线成本。
在示例14中，在示例10-13中的任一示例中的选择部件通过选择具有车辆可检测的车道标线的道路的最高百分比的路线来选择具有最低路线成本的路线。
在示例15中，示例10的系统还包括指示部件，该指示部件配置为获得在一个或多个驾驶路线内的道路的一个或多个部分的车道标线质量的指示，其中指示部件从包含以下中的一个或多个的存储器获得车道标线质量的指示：通过网络可访问的远程存储器；本地存储的地图数据；或者本地存储的车辆历史数据；其中成本部件配置为基于车道标线质量的指示来确定路线成本。
示例16是存储指令的计算机可读存储介质，指令在由一个或多个处理器执行时使处理器识别车辆的当前位置和目的地之间的一个或多个驾驶路线。该指令使处理器获得一个或多个驾驶路线内的道路的一个或多个路段的车道标线质量的指示。该指令使处理器基于相应的驾驶路线内的道路的车道标线质量来确定一个或多个驾驶路线的路线成本。该指令使处理器选择一个或多个路线中具有最低路线成本的路线。该指令使处理器向驾驶员或控制系统提供关于路线的信息以遵循路线。
在示例17中，在示例16中的指令进一步使处理器通过确定沿着路线的道路的每个路段是否包含良好的道路标线质量来确定相应的路线的路线成本。
在示例18中，在示例16-17中的任一示例中的指令进一步使处理器通过确定沿着路线的道路的一个或多个路段的车道标线是否可由自动驾驶系统或驾驶员辅助系统检测到来确定相应的路线的路线成本。
在示例19中，在示例16-18中的任一示例中的指令进一步使处理器通过选择具有良好的车道标线质量的道路的最高百分比的路线来选择具有最低路线成本的路线。
在示例20中，在示例16-19中的任一示例中的车道标线质量的指示包括车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个，其中确定路线成本包含基于车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个进行确定。
示例21是包括实施如示例1-20中任一示例中的方法、系统或装置的设备的系统或装置。
在上述公开内容中，已经参照了构成其一部分的附图，并且通过图示的方式示出了可以实践本发明的具体实施方式。应当理解的是，在不脱离本公开的范围的情况下，可以使用其他实施方式并且可以进行结构改变。说明书中对“一个实施例(one embodiment)”、“一实施例(an embodiment)”、“示例实施例(example embodiment)”等的参照指出所描述的实施例可以包括特定特征、结构或特性，但是每个实施例可以不必需包括特定特征、结构或特性。此外，这样的短语不一定指代相同的实施例。此外，当结合实施例描述特定特征、结构或特性时，认为在本领域技术人员的知识范围内，无论是否明确描述，都会影响与其他实施例相关的特征、结构或特性。
如在此所使用的，“自主车辆”可以是完全独立于人类驾驶员的行动或操作的车辆；或者可以是在某些情况下独立于人类驾驶员行动或操作的车辆，然而在其他情况下，人类驾驶员可能能够操作车辆；或者可以是主要由驾驶员操作但是在自动驾驶/辅助系统的辅助下的车辆。
在此公开的系统、设备和方法的实现可以包含或利用包括计算机硬件(例如一个或多个处理器和系统存储器)的特殊目的或通用计算机，如在此所讨论的。在本公开的范围内的实施方式还可以包括用于携带或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这样的计算机可读介质可以是可由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(设备)。携带计算机可执行指令的计算机可读介质是传输介质。因此，作为示例而非限制，本公开的实施方式可以包含至少两种截然不同的计算机可读介质：计算机存储介质(设备)和传输介质。
计算机存储介质(设备)包括RAM(随机存取存储器)、ROM(只读存储器)、EEPROM(电可擦除可编程只读存储器)、CD-ROM(只读光盘驱动器)、固态驱动器(“SSDs”)(例如，基于RAM)、闪存存储器、相变存储器(“PCM”)、其它类型的存储器、其他光盘存储器、磁盘存储器或其他磁存储设备，或可用于以计算机可执行指令或数据结构的形式存储所需的程序代码装置并且可由通用或专用电脑访问的任何其他介质。
在此公开的设备、系统和方法的实施方式可以通过计算机网络进行通信。“网络”被定义为使得能够在计算机系统和/或模块和/或其他电子设备之间传送电子数据的一个或多个数据链路。当信息通过网络或其他通信连接(硬连线、无线或硬连线或无线的组合)传输或提供给计算机时，计算机将连接正确地视为传输介质。传输介质可以包括网络和/或数据链路，其可用于以计算机可执行指令或数据结构的形式携带所需的程序代码装置，并且可由通用或专用计算机访问。上述的组合也应包括在计算机可读介质的范围内。
计算机可执行指令包含例如在处理器执行时使通用计算机、专用计算机或专用处理装置执行某一功能或一组功能的指令和数据。计算机可执行指令可以是例如二进制文件、诸如汇编语言的中间格式指令、甚至是源代码。虽然主题已经用特定于结构特征和/或方法行为的语言描述，但是应当理解的是，所附权利要求中限定的主题不一定限于上述所描述的特征或行为。相反，所描述的特征和行为被公开为实现权利要求的示例形式。
本领域技术人员将理解的是，本公开可以在具有许多类型的计算机系统结构(包括车载计算机、个人计算机、台式计算机、便携式电脑、消息处理器、掌上设备、多处理器系统、基于微处理器或可编程消费电子产品、网络个人电脑(PC)、小型计算机、大型计算机、移动电话、个人数字助理(PDA)、平板电脑、寻呼机、路由器、交换机、各种存储设备等)的网络计算环境中实施。本公开还可以在分布式系统环境中实施，其中通过网络(通过硬连线数据链路、无线数据链路，或通过硬连线和无线数据链路的组合)连接的本地和远程计算机系统都执行任务。在分布式系统环境中，程序模块可能位于本地和远程存储设备二者中。
此外，在适当的情况下，可以在硬件、软件、固件、数字部件或模拟部件中的一个或多个中执行在此所描述的功能。例如，一个或多个专用集成电路(ASICs)可以被编程为执行在此所述的一个或多个系统和过程。在整个描述和权利要求中使用某些术语来指代特定的系统部件。如本领域技术人员将理解的，部件可以由不同的名称指代。本文档不旨在区分名称而非功能不同的部件。
应当注意的是，上述传感器示例可以包含计算机硬件、软件、固件或其任何组合，以执行它们功能的至少一路段。例如，传感器可以包括配置为在一个或多个处理器中执行的计算机代码，并且可以包括由计算机代码控制的硬件逻辑/电路。这些示例装置在此用于说明的目的而提供，并不旨在限制。本公开的示例可以在相关领域的技术人员已知的更多类型的设备中实现。
本公开的至少一些示例已经针对包含(例如，以软件的形式)存储在任何计算机可用介质上的逻辑的计算机程序产品。当在一个或多个数据处理设备中执行时，这样的软件使得设备如在此所述地操作。
虽然上面已经描述了本公开的各种示例，但是应当理解的是，它们仅仅是作为示例而不是限制来呈现的。对于相关领域的技术人员显而易见的是，在不脱离本公开的精神和范围的情况下，可以在形式和细节上进行各种改变。因此，本公开的宽度和范围不应由上述示例性示例中的任何一个限制，而应当仅根据所附权利要求及其等同物来限定。为了说明和描述的目的，呈现了前述描述。这并不旨在是穷举的，也不是将本公开限制为所公开的精确形式。根据上述教导，许多修改和变化是可能的。此外，应当注意的是，上述替代实施方式中的任何或全部可以被用于期望形成本公开的附加的混合实施方式的任何组合。
此外，虽然已经描述并示出了本公开的具体实施方式，但是本公开不限于如此描述和示出的部件的具体形式或布置。本公开的范围由所附权利要求、在此和不同应用中提出的任何将来的权利要求及其等同物来限定。

Claims (13)

1.一种路线生成方法，包含：
识别车辆的当前位置和目的地之间的一个或多个驾驶路线；
获得所述一个或多个驾驶路线内的道路的车道标线质量的指示，其中所述车道标线质量的所述指示包含车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个；
基于相应的驾驶路线内的道路的车道标线质量的指示来确定所述一个或多个驾驶路线的路线成本，其中确定所述路线成本包含基于所述车道标线几何形状的指示、所述车道标线类型的指示或所述车道标线颜色的指示中的一个或多个进行确定；
选择所述一个或多个路线中具有最低路线成本的路线；和
向驾驶员或控制系统提供关于所述路线的信息以遵循所述路线。
2.根据权利要求1所述的方法，其中确定相应的路线的所述路线成本包含以下中的一个或多个：
计算沿着所述相应的路线的所述道路的每个路段的车道标线质量的函数的和；
确定沿着所述路线的所述道路的每个路段是否包含良好的车道标线质量；或者
确定沿着所述路线的所述道路的一个或多个路段的车道标线是否可以由自动驾驶员系统或驾驶员辅助系统检测到。
3.根据权利要求1-2中任一项所述的方法，其中选择具有最低路线成本的所述路线包含选择具有良好的车道标线质量的道路的最高百分比的路线。
4.根据权利要求1-2中任一项所述的方法，进一步包含获得所述一个或多个驾驶路线内的所述道路的一个或多个路段的所述车道标线质量的指示，其中确定所述路线成本包含基于车道标线质量的所述指示进行确定。
5.根据权利要求4所述的方法，其中获得所述车道标线质量的所述指示包含从包含以下中的一个或多个的存储器检索所述车道标线质量的所述指示：
通过网络可访问的远程存储器；
本地存储的地图数据；或者
本地存储的车辆历史数据。
6.根据权利要求1所述的方法，其中确定所述路线成本包含基于当前天气或当前交通量中的一个或多个来进一步确定所述路线成本。
7.一种路线生成系统，包含：
路线部件，所述路线部件配置为识别车辆的当前位置和目的地之间的一个或多个驾驶路线；
指示部件，所述指示部件配置为获得所述一个或多个驾驶路线内的道路的车道标线质量的指示，其中所述车道标线质量的所述指示包含车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个；
成本部件，所述成本部件配置为基于相应的驾驶路线内的道路的车道标线质量来确定所述一个或多个驾驶路线的路线成本，其中确定所述路线成本包含基于所述车道标线几何形状的指示、所述车道标线类型的指示或所述车道标线颜色的指示中的一个或多个进行确定；
选择部件，所述选择部件配置为选择所述一个或多个路线中具有最低路线成本的路线；和
通知部件，所述通知部件配置为向驾驶员或控制系统提供关于所述路线的信息以遵循所述路线。
8.根据权利要求7所述的系统，其中所述成本部件通过以下中的一个或多个来确定相应的路线的所述路线成本：
计算沿着所述相应的路线的所述道路的每个路段的车道标线质量的函数的和；
确定沿着所述路线的所述道路的每个路段是否包含良好的车道标线质量；或者
确定沿着所述路线的所述道路的一个或多个路段的车道标线是否可以由自动驾驶员系统或驾驶员辅助系统检测到。
9.根据权利要求7-8中任一项所述的系统，其中所述选择部件通过选择具有所述车辆可检测的车道标线的道路的最高百分比的路线来选择具有所述最低路线成本的所述路线。
10.根据权利要求8所述的系统，所述指示部件配置为获得所述一个或多个驾驶路线内的所述道路的一个或多个路段的所述车道标线质量的指示，其中所述指示部件从包含下面的一个或多个的存储器获得所述车道标线质量的所述指示：
通过网络可访问的远程存储器；
本地存储的地图数据；或者
本地存储的车辆历史数据；
其中所述成本部件配置为基于所述车道标线质量的所述指示来确定所述路线成本。
11.一种存储指令的计算机可读存储介质，所述指令在由一个或多个处理器执行时使所述处理器：
识别车辆的当前位置和目的地之间的一个或多个驾驶路线；
获得所述一个或多个驾驶路线内的道路的一个或多个路段的车道标线质量的指示，所述车道标线质量的所述指示包含车道标线几何形状的指示、车道标线类型的指示或车道标线颜色的指示中的一个或多个；
基于相应的驾驶路线内的道路的车道标线质量来确定所述一个或多个驾驶路线的路线成本，其中确定所述路线成本包含基于所述车道标线几何形状的指示、所述车道标线类型的指示或所述车道标线颜色的指示中的一个或多个进行确定；
选择一个或多个路线中具有最低路线成本的路线；和
向驾驶员或控制系统提供关于所述路线的信息以遵循所述路线。
12.根据权利要求11所述的计算机可读存储介质，其中所述指令配置为通过以下中的一个或多个来确定相应的路线的所述路线成本：
确定沿着所述路线的所述道路的每个路段是否包含良好的车道标线质量；或者
确定沿着所述路线的所述道路的一个或多个路段的车道标线是否可由自动驾驶员系统或驾驶员辅助系统检测到。
13.根据权利要求11-12中任一项所述的计算机可读存储介质，其中所述指令配置为通过选择具有良好的车道标线质量的道路的最高百分比的路线来选择具有所述最低路线成本的所述路线。
CN201710323920.0A 2016-05-06 2017-05-05 使用道路车道线质量的路线生成 Active CN107402017B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/148,879 2016-05-06
US15/148,879 US9851212B2 (en) 2016-05-06 2016-05-06 Route generation using road lane line quality

Publications (2)

Publication Number Publication Date
CN107402017A CN107402017A (zh) 2017-11-28
CN107402017B true CN107402017B (zh) 2023-01-13

Family

ID=59011179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710323920.0A Active CN107402017B (zh) 2016-05-06 2017-05-05 使用道路车道线质量的路线生成

Country Status (6)

Country Link
US (4) US9851212B2 (zh)
CN (1) CN107402017B (zh)
DE (1) DE102017109400A1 (zh)
GB (1) GB2551028A (zh)
MX (1) MX2017005864A (zh)
RU (1) RU2017114651A (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6649512B2 (ja) * 2016-12-28 2020-02-19 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
US11113564B2 (en) * 2017-01-09 2021-09-07 Texas Instruments Incorporated Performing distance-based feature suppression
US11362882B2 (en) * 2017-08-25 2022-06-14 Veniam, Inc. Methods and systems for optimal and adaptive urban scanning using self-organized fleets of autonomous vehicles
EP3477259A1 (en) * 2017-10-25 2019-05-01 Honda Research Institute Europe GmbH Method and system for estimating quality of measuring results of one of more sensors mounted on a mobile platform
US20190146508A1 (en) * 2017-11-14 2019-05-16 Uber Technologies, Inc. Dynamic vehicle routing using annotated maps and profiles
US10416677B2 (en) 2017-11-14 2019-09-17 Uber Technologies, Inc. Autonomous vehicle routing using annotated maps
KR102506865B1 (ko) * 2017-12-13 2023-03-08 현대자동차주식회사 컷인 의도 판단 장치 및 방법
US11360482B2 (en) * 2018-01-29 2022-06-14 Baidu Usa Llc Method and system for generating reference lines for autonomous driving vehicles using multiple threads
AU2019230119A1 (en) 2018-03-07 2020-09-24 Esteban SANCHEZ Data gathering, analysis, scoring, and recommendation system for commuting
JP6847885B2 (ja) * 2018-03-20 2021-03-24 株式会社東芝 情報処理装置、情報処理方法及びプログラム
US20190339082A1 (en) * 2018-05-02 2019-11-07 Blackberry Limited Method and system for hybrid collective perception and map crowdsourcing
GB2577485B (en) * 2018-09-20 2022-06-15 Jaguar Land Rover Ltd Control system for a vehicle
CN110263607B (zh) * 2018-12-07 2022-05-20 电子科技大学 一种用于无人驾驶的道路级全局环境地图生成方法
US10962380B2 (en) 2018-12-20 2021-03-30 Gm Cruise Holdings Llc Analysis of network effects of avoidance areas on routing
US11726495B2 (en) * 2019-02-14 2023-08-15 Viavi Solutions Inc. Wireless communication coverage based vehicle routing
CN109813328B (zh) 2019-02-22 2021-04-30 百度在线网络技术（北京）有限公司 一种驾驶路径规划方法、装置及车辆
WO2020257642A1 (en) * 2019-06-21 2020-12-24 Intel Corporation For enabling collective perception in vehicular networks
US20210101612A1 (en) * 2019-10-08 2021-04-08 Qualcomm Incorporated Edge System for Providing Local Dynamic Map Data
CN114450558A (zh) * 2019-10-20 2022-05-06 3M创新有限公司 使用基础结构性能的路线选择
US20210256432A1 (en) * 2020-02-06 2021-08-19 The United States Of America, As Represented By The Secretary Of The Navy Route planning and optimization for traveling salesman problem and variants
RU2764479C2 (ru) 2020-04-23 2022-01-17 Общество с ограниченной ответственностью «Яндекс Беспилотные Технологии» Способ и система для управления работой самоуправляемого автомобиля
WO2022027057A1 (en) * 2020-07-29 2022-02-03 Uber Technologies, Inc. Routing feature flags
CN112233447A (zh) * 2020-09-30 2021-01-15 上海博泰悦臻电子设备制造有限公司 变道提醒方法及相关设备
US11988741B2 (en) * 2020-12-17 2024-05-21 Aptiv Technologies AG Vehicle routing based on availability of radar-localization objects
FR3132265B1 (fr) * 2022-01-31 2023-12-15 Psa Automobiles Sa Procédé et dispositif de contrôle d’un système de guidage latéral d’un véhicule
DE102022203261A1 (de) * 2022-04-01 2023-10-05 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Verfügbarkeitsvorhersage einer merkmalbasierten Lokalisierung eines Fahrzeugs und Verfahren zum Steuern eines Fahrzeugs
US11810459B1 (en) 2022-05-09 2023-11-07 Aptiv Technologies Limited Vehicle localization based on radar detections in garages

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5846998B2 (ja) * 1978-05-09 1983-10-19 富士変速機株式会社 シヤッタ−の巻き上げ装置
JP2000207563A (ja) * 1999-01-20 2000-07-28 Fujitsu Ten Ltd 画像認識装置
US6405128B1 (en) * 1999-12-20 2002-06-11 Navigation Technologies Corp. Method and system for providing an electronic horizon in an advanced driver assistance system architecture
JP4820712B2 (ja) * 2005-08-05 2011-11-24 アイシン・エィ・ダブリュ株式会社 路面標示認識システム
DE102007059761A1 (de) 2007-12-12 2009-06-18 Daimler Ag Verfahren und Fahrerassistenzsystem zur Routenplanung und Zielführung
US10371533B2 (en) * 2009-05-04 2019-08-06 Tomtom Global Content B.V. Navigation device and method
JP5557472B2 (ja) * 2009-05-21 2014-07-23 三菱電機株式会社 道路レーンデータ生成装置、道路レーンデータ生成方法および道路レーンデータ生成プログラム
JP2011137725A (ja) 2009-12-28 2011-07-14 Clarion Co Ltd ナビゲーション装置およびその経路探索方法
US8612138B2 (en) 2010-09-15 2013-12-17 The University Of Hong Kong Lane-based road transport information generation
US8612139B2 (en) * 2010-11-30 2013-12-17 GM Global Technology Operations LLC Systems and methods for planning vehicle routes based on safety factors
DE102010053964A1 (de) * 2010-12-09 2011-08-25 Daimler AG, 70327 Fahrerassistenzsystem und Verfahren zur Unterstützung eines Fahrers
EP2487461B1 (en) 2011-02-09 2015-10-07 Harman Becker Automotive Systems GmbH Vehicle navigation device and method
EP2518446A1 (en) * 2011-04-28 2012-10-31 Harman Becker Automotive Systems GmbH Vehicle Navigation System Indicating a Lane Marking
CN102620766B (zh) * 2012-04-11 2014-11-05 天津市市政工程设计研究院 地下道路交通标志动态视认性测试方法
US8527199B1 (en) * 2012-05-17 2013-09-03 Google Inc. Automatic collection of quality control statistics for maps used in autonomous driving
JP5929602B2 (ja) 2012-08-02 2016-06-08 株式会社デンソー ナビゲーション装置
US9188985B1 (en) * 2012-09-28 2015-11-17 Google Inc. Suggesting a route based on desired amount of driver interaction
KR20140062240A (ko) * 2012-11-14 2014-05-23 현대모비스 주식회사 차선 인식 시스템 및 방법
CN105229422B (zh) * 2013-03-15 2018-04-27 大众汽车有限公司 自动驾驶路线规划应用
JP6369028B2 (ja) * 2014-01-27 2018-08-08 アイシン・エィ・ダブリュ株式会社 経路探索システム、経路探索方法及びコンピュータプログラム
JP6467773B2 (ja) * 2014-02-25 2019-02-13 アイシン・エィ・ダブリュ株式会社 経路探索システム、経路探索方法及びコンピュータプログラム
EP2918974B1 (en) * 2014-03-11 2019-01-16 Volvo Car Corporation Method and system for determining a position of a vehicle
US9404761B2 (en) * 2014-05-30 2016-08-02 Nissan North America, Inc. Autonomous vehicle lane routing and navigation
US20150345967A1 (en) * 2014-06-03 2015-12-03 Nissan North America, Inc. Probabilistic autonomous vehicle routing and navigation
JP6491929B2 (ja) * 2015-03-31 2019-03-27 アイシン・エィ・ダブリュ株式会社 自動運転支援システム、自動運転支援方法及びコンピュータプログラム
US9868443B2 (en) * 2015-04-27 2018-01-16 GM Global Technology Operations LLC Reactive path planning for autonomous driving
JP6428493B2 (ja) * 2015-06-05 2018-11-28 株式会社デンソー 自動走行制御装置、自動走行用車載装置、自動走行制御方法
JP6380274B2 (ja) * 2015-07-28 2018-08-29 トヨタ自動車株式会社 自動運転車両用ナビゲーション装置
JP6776513B2 (ja) * 2015-08-19 2020-10-28 ソニー株式会社 車両制御装置と車両制御方法と情報処理装置および交通情報提供システム

Also Published As

Publication number Publication date
MX2017005864A (es) 2018-08-20
US20180051998A1 (en) 2018-02-22
CN107402017A (zh) 2017-11-28
RU2017114651A (ru) 2018-10-29
US10859388B2 (en) 2020-12-08
RU2017114651A3 (zh) 2018-10-31
US20210080273A1 (en) 2021-03-18
DE102017109400A1 (de) 2017-11-09
US20170322040A1 (en) 2017-11-09
US10345111B2 (en) 2019-07-09
GB2551028A (en) 2017-12-06
GB201706711D0 (en) 2017-06-14
US9851212B2 (en) 2017-12-26
US11821740B2 (en) 2023-11-21
US20190277644A1 (en) 2019-09-12

Similar Documents

Publication Publication Date Title
CN107402017B (zh) 使用道路车道线质量的路线生成
CN107346137B (zh) 车辆的基于网络的存储器和用于优化车辆路线规划的基础设施数据
US10648830B2 (en) Navigation lane guidance
JP6411956B2 (ja) 車両制御装置、および車両制御方法
US10240943B2 (en) Method, apparatus and computer program product for a navigation user interface
US11493350B2 (en) Method and apparatus for providing alert notifications of high-risk driving areas in a connected vehicle
KR20200034529A (ko) 전자 장치 및 전자 장치의 차량 제어 방법, 서버 및 서버의 정밀 지도 데이터 제공 방법
US20180203457A1 (en) System and Method for Avoiding Interference with a Bus
EP3290867A1 (en) Method, apparatus and computer program product for a navigation system user interface
US20170115124A1 (en) Driver Workload Prediction and Path Routing
JP6281957B2 (ja) 移動状況提示装置及び移動状況提示方法
US11829135B2 (en) Tuning autonomous vehicle dispatch using vehicle performance
US9267810B2 (en) Systems and methods for displaying navigational information
JP6333340B2 (ja) 運転支援装置、携帯電子機器、ナビゲーション装置および運転支援方法
KR20170128684A (ko) 증강현실 기술을 이용하여 차량의 주행 정보를 제공하기 위한 전자 장치
JPWO2019003992A1 (ja) 情報管理装置
US11713979B2 (en) Method, apparatus, and computer program product for generating a transition variability index related to autonomous driving
CN114440911A (zh) 基于预测路线偏离的车辆路线引导装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant